OpenTelemetry 基于属性采样

介绍

OpenTelemetry的基于属性采样（Attribute-based Sampling）是一种通过分析遥测数据（如Span或Metric）的属性（如HTTP状态码、服务名称等）来决定是否采集该数据的技术。它帮助开发者在保证关键数据不丢失的同时，减少低价值数据的存储成本。

为什么需要采样？

在高流量系统中，采集所有遥测数据可能导致：

• 高昂的存储成本
• 网络带宽压力
• 分析效率下降
  采样通过保留代表性数据解决这些问题。

工作原理

基于属性采样的核心逻辑如下：

关键属性示例

属性名	典型值	采样用途
http.status_code	200, 404, 500	只采集错误请求
service.name	"checkout-service"	重点监控核心服务
user.id	"user-123"	跟踪特定用户请求

实现方式

1. 通过SDK配置采样器

以下是一个Java示例，配置只采集：

• 错误状态（http.status_code >= 400）
• 来自"payment-service"的请求

java

Sampler sampler = Sampler.parentBased(
    new AttributeSampler(
        Attributes.builder()
            .put("http.status_code", 400L) // 数值类型需匹配实际属性
            .put("service.name", "payment-service")
            .build(),
        Sampler.alwaysOn()  // 符合条件时采样
    )
);

SdkTracerProvider tracerProvider = SdkTracerProvider.builder()
    .setSampler(sampler)
    .build();

2. 通过收集器配置

在OpenTelemetry Collector中配置处理器：

yaml

processors:
  probabilistic_sampler:
    sampling_percentage: 10  # 基础采样率
    attribute_source: record
    from_attributes:         # 覆盖采样率的属性
      - key: http.status_code
        values: [500]
        sampling_percentage: 100  # 强制采集所有500错误

实际案例

电商平台场景

需求：

• 日常请求采样率保持10%
• 支付失败（payment.status=failed）100%采集
• 高延迟请求（latency > 2s）100%采集

实现：

go

sampler := sdktrace.ParentBased(
    sdktrace.TraceIDRatioBased(0.1),
    sdktrace.WithAttributes(
        attribute.String("payment.status", "failed"),
        attribute.Float64("latency", 2.0),
    ),
    sdktrace.NeverSample(), // 默认行为
)

最佳实践

1. 关键错误全采集：确保所有5xx错误和业务异常被记录
2. 生产与开发差异：开发环境可全采样，生产环境按需配置
3. 动态调整：结合配置中心实现采样策略热更新

注意

过度采样可能导致：

• 丢失重要性能基线数据
• 故障诊断时信息不完整
  建议结合自适应采样技术

总结

基于属性采样通过智能过滤遥测数据，实现了： ✅ 降低75%以上的存储成本（根据实际流量模式）
✅ 确保关键业务事件100%可观测
✅ 支持灵活的策略调整

扩展学习

• 官方文档：OpenTelemetry Sampling
• 实践练习：在本地环境配置采样器，比较不同策略下的数据量差异
• 高级话题：了解尾部采样在分布式追踪中的应用